CC BY
14Использование космических, средств и технологий для мониторинга окружающей природной среды
O. A. Dubrovskaya Institute of Computer Technologies of Russian Science Academy, Siberian Branch, Russia, Novosibirsk
V. M. Malbahov Institute of Computer Simulation and Mathematic Geophysics of Russian Science Academy, Siberian Branch, Russia, Novosibirsk
A. I. Suhinin Institute of Forest named after V. N. Sukachev of Russian Science Academy, Siberian Branch, Russia, Krasnoyarsk
REMOTE SENCING OF CLOUDS AND SMOKE PLUMES STRUCTURE
The analysis of interdependence of clouds and smoke plumes structure because of large-scale fires and temperature, air humidity and wind fields is presented in the article. The form and structure of clouds ensembles and smoke plumes because of large-scale fires that can be seen from space are reconstructed by means of hydrodynamic modeling.
© Дубровская О. А., Мальбахов В. М., Сухинин А. И., 2010
УДК 89.57.25
У. А. Захарова, А. Н. Михайлов, А. А. Кокутенко
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск
АНАЛИЗ СОСТОЯНИЯ ПОВРЕЖДЕННОЙ ПОЖАРАМИ ТЕРРИТОРИИ ЯКУТИИ
ПО СПУТНИКОВЫМ ДАННЫМ*
Представлена методика анализа состояния поврежденной пожарами территории Якутии. Методика включает в себя выбор безоблачного космического снимка исследуемой территории, оконтуривание поврежденной поверхности, расчет нормального вегетационного индекса растительности, классификацию поврежденных участков методами максимального правдоподобия, минимального расстояния и методом расстояния Махаланобиса, расчет оценки точности для каждой классификации.
На сегодняшний день одним из главных направлений дистанционного зондирования Земли является мониторинг состояния лесных насаждений, так как оперативно полученная информация помогает отслеживать возникновение пожара, его развитие и динамику восстановления растительности. В работе представлена методика анализа поврежденной пожарами территории Якутии по спутниковым данным за 30 августа 2009 г.
Используя архив данных, было выбрано и обработано космическое изображение Landsat TM территории Якутии за 30 августа 2009 г. в программном пакете Erdas Imagine.
На первом этапе работы было произведено визуальное оконтуривание участков, поврежденных пожаром. В результате было установлено, что площадь контуров поврежденной пожарами территории составляет 947 969,55 га.
Затем был произведен расчет значений NDVI для интересующей нас области по формуле
f - f NDVI = Jl J\
f2 + Л
где f и f2 - яркости изображения растительности в красном и ближнем ИК-диапазонах спектра [1].
После запуска модели расчета NDVI в программном пакете Erdas Imagine было получено черно-белое одноканальное изображение, отображающее значение вегетационного индекса.
Далее была произведена классификация поврежденных участков методами максимального правдоподобия, минимального расстояния и методом расстояния Махаланобиса.
Так как в данной работе используется классификация с обучением тремя методами, необходимо создать эталонные области. Для этого на снимке выделяется K классов, относящихся к разным типам растительности.
Метод максимального правдоподобия заключается в том, что имеется спутниковое изображение, полученное в n спектральных каналах, которое представляет собой совокупность пикселей с яркостью (i, j) каждого пикселя. Требуется отнести этот пиксель к одному из K классов. Компьютер оценивает вектор математического ожидания и корреляционную матрицу для каждого из классов.
*Работа выполнена при поддержке ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг.
Решетневские чтения
Для каждого пикселя формируется K условных плотностей вероятностей, которые сравниваются с некоторым порогом (URL: http://www.scanex.ru/). Сравнение позволяет определить, какая из гипотез наиболее правдоподобна.
Алгоритм классификации на основе определения наименьшего расстояния является одним из самых простых и наиболее часто используемых. Входными данными служат средние векторы, полученные на этапе обучения для каждого класса и каждого спектрального диапазона. Для каждого значения яркости пикселя (BVijk), не относящегося к обучающей выборке, вычисляется эвклидово расстояние D до среднего вектора в соответствии с формулой
d = V (BVijk-тл )2 +(BVjk-m)2 •
Пиксель приписывается тому классу, для которого это расстояние оказывается наименьшим [2].
Метод расстояния Махаланобиса заключается в применении классификатора, который использует расстояние Махаланобиса для определения принадлежности текущего обрабатываемого элемента множества к одному из выбранных подмножеств области интереса из всего множества входных данных. Такой выбор осуществляется с помощью определения ми-
нимального из расстояний Махаланобиса от обрабатываемого элемента до каждого элемента из области интереса. В случае, если найденное минимальное расстояние оказывается больше выбранного порога, текущий элемент считается неклассифицированным, т. е. пиксель относят к классу, расстояние Махалано-биса до которого минимально [2].
Проведена оценка точности классификаций, из которой видно, что общая точность классификации методом минимального расстояния составила 96 %, методом расстояния Махаланобиса - 98 %, что ниже точности классификации методом максимального правдоподобия, которая составила 99 %. Следовательно, метод максимального правдоподобия наиболее применим для диагностики поврежденной пожарами растительности.
Библиографические ссылки
1. Кашкин В. Б., Сухинин А. И. Дистанционное зондирование земли из космоса. Цифровая обработка изображений : учеб. пособие. М. : Логос, 2001.
2. Чандра А. М., Гош С. К. Дистанционное зондирование и географические информационные системы. М. : Техносфера, 2008.
U. A. Zaharova, A. N. Mihailov, A. A. Kokutenko Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk
ANALYSING THE STATE OF YAKUTIYA TERRITORY DESTROYED BY FIRES APPLYING SATELLITE DATA
The methodology to analyse the state of Yakutia territory, destroyed by fires, is presented. The methodology includes the choice of satellite picture taken in a cloudless day, where there is a studied territory, contouring the destroyed surface, calculating normal vegetation plant index, classifying the destroyed areas by highest likelihood methods, minimal distance and Mahalanobis distance method, calculating estimated accuracy for every classification.
© Захарова У. А., Михайлов А. Н., Кокутенко А. А., 2010
УДК 621.396.68: 528.8.04
В. Б. Кашкин, А. А. Баскова Сибирский федеральный университет, Россия, Красноярск
СПУТНИКОВЫЕ НАВИГАЦИОННЫЕ СИСТЕМЫ И ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ
Сигналы навигационных систем ГЛОНАСС и GPS, а также приемная аппаратура МРК-11 использованы для дистанционного зондирования (ДЗ) леса, определены диэлектрические характеристики лесного полога. Оценку тропосферной задержки сигналов ГЛОНАСС и GPS можно выполнить по вертикальным профилям атмосферы, найденным по ДЗ.
Космическая радиолокация является одним из наиболее эффективных средств дистанционного зондирования Земли (ДЗЗ), это всепогодная технология. Для строгой интерпретации данных радиолокационного зондирования необходимо знать диэлектрические характеристики - действительную и мнимую части диэлектрической проницаемости различных участков леса. В радиодиапазоне лесной покров полупрозрачен, его можно исследовать на всю глубину. Мы «просвечивали» лес сверху, используя излучение передатчиков навигационных космических аппаратов (НКА) систем ГЛОНАСС и GPS в дециметровом диа-
пазоне, наиболее перспективном для дистанционного зондирования леса средствами радиолокации.
НКА ГЛОНАСС и GPS излучают сигналы на частотах 1 250 и 1 600 МГц. Отношение несущая/шум на входе приемника в рабочей полосе частот много меньше 1. В работе использовалась отечественная серийная навигационная аппаратура потребителей (НАП) ГЛОНАСС/GPS типа МРК-11 разработки Сибирского федерального университета. При преобразовании сигналов в НАП производится идеальное ограничение смеси сигнала с шумом. В отличие от других приемоиндикаторов, МРК-11 содержит микрокомпь-
